ANÁLISIS DE CHURN EN CLIENTES DE TELECOMUNICACIONES

DASHBOARD INTERACTIVO REALIZADO CON POWER BI, PYTHON Y ANÁLISIS DE DATOS

1. Contexto del proyecto

Este proyecto analiza el abandono de clientes en una empresa de telecomunicaciones, con el objetivo de identificar patrones asociados al churn, segmentar perfiles de riesgo y estimar el impacto económico sobre el ingreso mensual.

El análisis parte de un conjunto de datos relacional compuesto por información de contratos, datos personales de clientes, servicios de internet y servicios de telefonía. Las tablas fueron integradas, depuradas y transformadas para construir un dataset analítico orientado a visualización, segmentación y toma de decisiones.

2. Herramientas utilizadas

  • Python: integración, limpieza y transformación de datos.
  • Pandas: preparación del dataset analítico final.
  • Power BI: diseño del dashboard interactivo y creación de medidas DAX.
  • DAX: cálculo de KPIs, tasa de churn, ingreso mensual e ingreso asociado a clientes que abandonaron.
  • Power Query: ajustes y preparación adicional de datos para visualización.

3. Demostración en video

En este video presento una navegación guiada por el dashboard, explicando los KPIs principales, los factores asociados al churn, el uso de filtros globales y la priorización de clientes en riesgo.

4. Capturas del dashboard

A continuación se muestran distintas vistas del dashboard, incluyendo la vista general y tres escenarios filtrados para analizar segmentos clave del abandono de clientes.

Vista general del dashboard de churn

Vista general del dashboard

Esta vista resume los principales indicadores del negocio: clientes totales, clientes que abandonaron, tasa de churn, ingreso mensual e ingreso asociado a clientes que abandonaron. También permite observar los factores principales del churn por contrato, antigüedad, método de pago y segmento económico.

Análisis de churn filtrado por contrato mensual

Churn en clientes con contrato mensual

Al seleccionar el contrato mensual, se observa que este segmento concentra una proporción elevada de abandono. Este comportamiento sugiere menor compromiso contractual y mayor sensibilidad a la experiencia del cliente, precio o alternativas del mercado.

Análisis de churn en clientes con antigüedad de 0 a 12 meses

Churn en clientes con baja antigüedad

Al filtrar clientes con una antigüedad entre 0 y 12 meses, se evidencia que una parte importante del churn ocurre en etapas tempranas del ciclo de vida del cliente. Esto apunta a la importancia del onboarding, la experiencia inicial y las primeras interacciones con el servicio.

Análisis de churn por método de pago E-Check

Churn asociado al método de pago E-Check

Al seleccionar E-Check, el dashboard permite analizar cómo determinados métodos de pago se asocian con mayores tasas de abandono. Este hallazgo puede orientar acciones sobre experiencia de pago, comunicación con clientes y estrategias de retención.

5. Principales insights

  • Los contratos mensuales presentan la mayor tasa de churn frente a contratos de largo plazo.
  • El abandono se concentra especialmente en clientes con baja antigüedad, principalmente durante los primeros meses de relación con la empresa.
  • El método de pago E-Check muestra una asociación relevante con mayores tasas de abandono.
  • El análisis cruzado entre contrato y antigüedad permite identificar segmentos de mayor riesgo que no serían tan evidentes analizando variables por separado.
  • El dashboard permite priorizar clientes y segmentos donde el churn tiene mayor impacto económico.

6. Acciones recomendadas

A partir de los patrones identificados en el análisis, se proponen las siguientes acciones para reducir el churn y mejorar la retención de clientes:

  • Incentivar contratos de largo plazo: ofrecer descuentos o beneficios exclusivos para promover contratos anuales o bianuales y reducir la rotación de clientes mensuales.
  • Optimizar el proceso de onboarding: asegurar una experiencia positiva durante los primeros meses, con comunicación clara, soporte proactivo y seguimiento.
  • Mejorar la experiencia de pago: promover métodos de pago automáticos y digitales, y reducir fricciones asociadas al método Electronic Check.
  • Implementar estrategias de retención segmentadas: identificar y priorizar clientes de alto valor y alto riesgo, con ofertas personalizadas y acciones preventivas de retención.
  • Monitorear continuamente los KPIs clave: utilizar dashboards interactivos para anticipar tendencias, evaluar el impacto de acciones y tomar decisiones oportunas.

7. Metodología técnica

El desarrollo del análisis siguió un flujo de trabajo estructurado desde la preparación de datos hasta la visualización final:

  • Integración de datos: unión de tablas relacionales de contratos, clientes, servicios de internet y telefonía.
  • Limpieza y transformación: estandarización de variables, creación de columnas analíticas y preparación del dataset final.
  • Modelado analítico: construcción de variables de riesgo y segmentación para apoyar la interpretación del churn.
  • Visualización: diseño de un dashboard en Power BI con KPIs, filtros globales, matriz de análisis cruzado, gráficos de comportamiento y tabla de clientes prioritarios.